-
公开(公告)号：CN107169989A
公开(公告)日：2017-09-15
申请号：CN201710249226.9
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于数据关联与轨迹评估的多目标跟踪方法，首先，利用随机采样一致性算法对每一个d∈D的观测进行直线拟合，得到目标的初始轨迹集T，同时利用时空关系对每一个d∈D的观测建立条件随机场模型，并给出标号方式；其次，建立拟合模型、先验模型、互斥模型，在CRF模型的基础上，利用拟合模型、先验模型、互斥模型构建目标函数，并利用梯度下降法与α‑expansion算法求解目标函数的近似最小能量；最后，基于最小能量对初始轨迹集T进行分割与合并、添加与删除、增长与收缩，得到目标的最佳跟踪轨迹。本发明基于数据关联与轨迹评估的多目标跟踪算法能够在场景拥挤、目标身份切换频繁、目标长时间遮挡的情况下得到稳定、连续的跟踪轨迹。
-
公开(公告)号：CN107133268A
公开(公告)日：2017-09-05
申请号：CN201710211954.0
申请日：2017-04-01
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明涉及一种用于Web服务推荐的协同过滤算法，首先从原QoS数据中提取出用户偏好数据，将其作为相似邻居近似度计算的源数据；其次从原QoS数据中提取出服务可信度数据，将其作为服务的个性化比重融入用户邻居相似度计算的过程中；然后使用top‑k算法确定目标用户的相似邻居集合；最后联合用户邻居的偏好相似度比重使用调和的皮尔逊相关系数算法(pcc)预测目标用户各未知服务的QoS值。通过WSDREAM库上197万条真实Web服务QoS数据集进行的实验，证明了所提算法相比于目前基于协同过滤的Web服务推荐算法，能有效提高QoS预测准确率从而提高Web服务推荐质量。
-
公开(公告)号：CN106971158A
公开(公告)日：2017-07-21
申请号：CN201710176356.4
申请日：2017-03-23
Applicant: 南京邮电大学
CPC classification number: G06K9/00778 , G06K9/46 , G06K9/6269
Abstract: 本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
-
公开(公告)号：CN105427249A
公开(公告)日：2016-03-23
申请号：CN201510729153.4
申请日：2015-10-30
Applicant: 南京邮电大学
CPC classification number: G06T5/002 , G06K9/6268 , G06T2207/30168
Abstract: 本发明公开了一种基于鲁棒核范数正则回归的风电图像质量增强方法，首先，以图像中每个像素位置为中心，获取低质量测试图像和训练样本图像各个像素位置的图像块；其次，对低质量测试图像中的每个图像块，运用鲁棒核范数正则回归方法获得其在低质量训练样本图像中对应位置上的图像块集合的鲁棒线性表示；再次，在保持鲁棒表示系数不变的情况下，用高质量训练样本图像块替换低质量训练样本图像块，从而获得低质量测试图像块对应的高质量测试图像块，再运用非局部自相似性对高质量测试图像块进行进一步质量增强；最后，对进一步质量增强的高质量测试图像块进行串联和整合，从而获得高质量的测试图像。
-
公开(公告)号：CN109117860B
公开(公告)日：2022-10-25
申请号：CN201810677726.7
申请日：2018-06-27
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于子空间投影和字典学习的图像分类方法，首先通过带标签的训练集样本对判别字典进行初始化，然后使用判别字典预测测试样本的类别标签。选出伪标签具有高可信度的测试集样本，并用其与带标签的训练集样本学习一个低维子空间，在这个低维空间上更新判别字典。利用更新得到的判别字典重新对测试集样本进行分类，比较本轮迭代得到的伪标签和上一轮伪标签，将两轮得到的伪标签属性相同的样本称为稳定样本，如果在一轮迭代结束后稳定样本的数量超过了测试集样本数量的百分之八十，则迭代结束，输出该轮得到的伪标签作为分类的结果。与已有的领域自适应图像分类方法相比，本发明的算法能取得更高的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN111198820B
公开(公告)日：2022-08-26
申请号：CN202010001850.9
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于共享隐层自编码器的跨项目软件缺陷预测方法，首先，对数据集进行预处理并划分训练集和测试集；其次，采用具有共享机制的自编码器进行特征提取，分别提取出训练集和测试集的深度特征；最后，引入焦点损失函数，训练分类器。本发明解决了跨项目软件缺陷预测中的特征分布差异问题以及首次提出了基于焦点损失共享隐层自编码器技术，使得不同的数据分布变得更加相似，利用焦点损失学习技术，给不同类别的样本分配不同的权重来解决类不平衡，同时在容易分类的样本和难分类的样本上给予不同的权重来使得分类器能够更好的学习难以分类的样本。
-
公开(公告)号：CN108304612B
公开(公告)日：2021-08-10
申请号：CN201711430008.1
申请日：2017-12-26
Applicant: 南京邮电大学
IPC: G06F30/15 , G06F30/20 , G01S13/72 , G06F119/10
Abstract: 本发明公开了一种基于噪声补偿的迭代平方根CKF的汽车雷达目标跟踪方法，本发明首先设置系统初始值，在时间更新阶段计算容积点值；传播容积点；估计一步预测状态和误差协方差平方根因子；在量测更新阶段引入Gauss‑Newton非线性迭代方法进行迭代更新，每次迭代时计算容积点；传播容积点；计算量测估计；计算新息协方差的平方根因子和互协方差矩阵；计算卡尔曼增益；更新本次迭代的状态和误差协方差平方根因子估计；判断是否达到迭代终止条件；更新此刻状态和误差协方差平方根的估计；量测更新过程中通过调整噪声补偿因子对状态估计进行优化。本发明能够有效提高汽车雷达目标跟踪过程中的精确性与稳定性。
-
公开(公告)号：CN111476145A
公开(公告)日：2020-07-31
申请号：CN202010258239.4
申请日：2020-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的1：N人脸识别方法，包括以下步骤：(1)构造数据集并基于所构造的数据集将图片裁剪为统一的尺寸大小，(2)采用Facenet和InsightFace两种不同的卷积神经网络对所构造的数据集中的人脸特征进行提取，提取后的特征以统一的一维结构的方式输出；(3)对Facenet所提取的特征人脸构建归一化字典，基于所构建的归一化字典，采用基追踪降噪的同伦算法迭代，确定索引；(4)采用最近邻分析，对不同卷积神经网络所提取的人脸特征进行对比，确定各自对应的索引；(5)采用集成法对出现次数最多的索引作为最终索引，获得识别结果。本发明能克服其他因素对识别效果的影响，提高了识别精度和识别效果。
-
公开(公告)号：CN111126464A
公开(公告)日：2020-05-08
申请号：CN201911280832.2
申请日：2019-12-13
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于无监督域对抗领域适应的图像分类方法，该方法将生成对抗网络的技术应用于无监督领域适应的图像分类；为了消除边缘样本的错分率，该方法将源域样本和目标域样本共同处理基于深度双通道网络。首先，利用有标签的源域样本训练双通道网络的参数；然后，通过对抗游戏和相关性对齐方法学习与不变特征来消除域差异；另外该方法通过联合中心鉴别方法和特征相似增强方法使域不变特征有更好的鉴别性，本发明分类效果更好，通过无监督与对抗领域适应图像分类方法，边缘样本的错分率得到了有效的缓解。
-
公开(公告)号：CN107169989B
公开(公告)日：2020-04-24
申请号：CN201710249226.9
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于数据关联与轨迹评估的多目标跟踪方法，首先，利用随机采样一致性算法对每一个d∈D的观测进行直线拟合，得到目标的初始轨迹集T，同时利用时空关系对每一个d∈D的观测建立条件随机场模型，并给出标号方式；其次，建立拟合模型、先验模型、互斥模型，在CRF模型的基础上，利用拟合模型、先验模型、互斥模型构建目标函数，并利用梯度下降法与α‑expansion算法求解目标函数的近似最小能量；最后，基于最小能量对初始轨迹集T进行分割与合并、添加与删除、增长与收缩，得到目标的最佳跟踪轨迹。本发明基于数据关联与轨迹评估的多目标跟踪算法能够在场景拥挤、目标身份切换频繁、目标长时间遮挡的情况下得到稳定、连续的跟踪轨迹。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.022 seconds)
